एक ब्राउज़र-आधारित इमेज एनोटेशन टूल कंप्यूटर विजन डेटासेट के लिए

फिनलैंड के शोधकर्ताओं ने कंप्यूटर विजन डेटासेट के लिए थकाऊ इमेज एनोटेशन प्रक्रियाओं की सुविधा और गति में सुधार करने के लिए एक ब्राउज़र-आधारित इमेज लेबलिंग टूल विकसित किया है। सबसे लोकप्रिय ब्राउज़र इंजन के लिए एक ओएस-एज्नोस्टिक एक्सटेंशन के रूप में स्थापित, नया टूल उपयोगकर्ताओं को ‘नि:शुल्क ब्राउज़ करते समय एनोटेट’ करने की अनुमति देता है, न कि एक समर्पित सेटअप के संदर्भ में एक लेबलिंग सत्र डालने की आवश्यकता है, या क्लाइंट-साइड कोड और अन्य विशेष परिस्थितियों को चलाने की आवश्यकता है।

ब्रिमा (लो-ओवरहेड ब्राउज़र-ओनली इमेज एनोटेशन टूल) नामक इस प्रणाली को ज्यväस्क्यलä विश्वविद्यालय में विकसित किया गया था। यह स्थानीय या रिमोट डायरेक्टरी में डेटासेट को स्क्रैप और संकलित करने की आवश्यकता को हटा देता है, और यह विभिन्न डेटा पैरामीटर से उपयोगी डेटा प्राप्त करने के लिए कॉन्फ़िगर किया जा सकता है जो किसी भी सार्वजनिक सामने वाले प्लेटफ़ॉर्म पर उपलब्ध हैं।

ब्रिमा क्रिया में। स्रोत: https://arxiv.org/pdf/2107.06351.pdf

इस तरह ब्रिमा (जो आईसीआईपी 2021 पर प्रस्तुत किया जाएगा, जब कोड भी उपलब्ध कराया जाएगा) स्वचालित वेब-स्क्रैपिंग सिस्टम को आईपी रेंज या अन्य तरीकों से ब्लॉक किए जाने की संभावित बाधाओं को दूर करता है, और डेटा एकत्र करने से रोकता है – एक परिदृश्य जो अधिक सामान्य होने वाला है क्योंकि आईपी सुरक्षा बढ़ती जा रही है, जैसा कि हाल ही में माइक्रोसॉफ्ट के एआई-ड्राइवन कोड जेनरेशन टूल, कोपायलट के साथ किया गया है।

चूंकि ब्रिमा केवल मानव-आधारित एनोटेशन के लिए अभिप्रेत है, इसका उपयोग करना भी कम संभावना है कि अन्य प्रकार के रोडब्लॉक्स, जैसे कि कैप्चा चुनौतियां, या अन्य स्वचालित प्रणालियों को ट्रिगर करें जो डेटा-गैदरिंग एल्गोरिदम को ब्लॉक करने के लिए अभिप्रेत हैं।

अनुकूली डेटा-संग्रह क्षमताएं

ब्रिमा को फ़ायरफ़ॉक्स एड-ऑन या क्रोम एक्सटेंशन के माध्यम से विंडोज़, ओएसएक्स या लिनक्स पर लागू किया जा सकता है, और यह विभिन्न डेटा बिंदुओं के आधार पर प्रासंगिक डेटा को पचाने के लिए कॉन्फ़िगर किया जा सकता है जो एक विशिष्ट प्लेटफ़ॉर्म को उजागर करने का विकल्प चुन सकता है। उदाहरण के लिए, जब गूगल स्ट्रीट व्यू में छवियों को एनोटेट करते हैं, तो प्रणाली लेंस के अभिविन्यास और दृष्टिकोण और उपयोगकर्ता द्वारा ध्यान केंद्रित किए गए वस्तु के सटीक भौगोलिक स्थान के लिए खाता बना सकती है।

ब्रिमा का परीक्षण सितंबर 2020 में इसके निर्माताओं द्वारा किया गया था, जब उन्होंने एक सार्वजनिक स्थानों में स्थापित वीडियो निगरानी कैमरों (सार्वजनिक स्थानों में या सार्वजनिक स्थानों से दिखाई देने वाले) के लिए एक वस्तु का पता लगाने वाले डेटासेट को उत्पन्न करने के लिए एक सार्वजनिक स्रोत पहल में सहयोग किया था।

प्रणाली एक हल्के जावास्क्रिप्ट क्लाइंट-साइड इंस्टॉलेशन से बनी है, जो ब्राउज़र एक्सटेंशन के रूप में है, और एक सर्वर-साइड पहलू जो एनोटेशन डेटा प्राप्त करता है और संकलित करता है। सर्वर-साइड इंस्टॉलेशन के संदर्भ लागू करने वाले पायथन और पीएचपी में फ्लास्क और स्वैगगर/ओपनएपीआई के साथ लिखे गए थे, लेकिन शोधकर्ता इस बात पर जोर देते हैं कि केंद्रीय प्रसंस्करण वास्तुकला को आसानी से अन्य भाषाओं और कॉन्फ़िगरेशन में पोर्ट किया जा सकता है।

ब्राउज़र एक्सटेंशन और सर्वर आरईएसटीफुल एपीआई अनुरोधों और एचटीटीपी/XHR के माध्यम से संवाद करते हैं, और क्लाइंट-साइड डेटा एमएस सीओसीओ के साथ संगत जेएसओएन प्रारूप में भेजा जाता है। इसका मतलब है कि डेटा विभिन्न लोकप्रिय वस्तु का पता लगाने वाले फ्रेमवर्क के साथ तुरंत उपयोग करने योग्य है, जिसमें टेंसोरफ्लो के विभिन्न बैकएंड्स शामिल हैं, जैसे कि फेसबुक का डिटेक्ट्रॉन2, और सेंटरमास्क2।

परियोजना-विशिष्ट टूलिंग

ब्रिमा की सामान्य प्रकृति के बावजूद, इसे अत्यधिक विशिष्ट डेटा-संग्रह कॉन्फ़िगरेशन में कॉन्फ़िगर किया जा सकता है, जिसमें ड्रॉप-डाउन मेनू और अन्य प्रकार के संदर्भ इनपुट शामिल हैं जो एक विशिष्ट डोमेन से संबंधित हैं। नीचे दी गई छवि में, हम देख सकते हैं कि कैमरा जानकारी से संबंधित एक ड्रॉप-डाउन मेनू को ब्रिमा में लिखा गया है, ताकि एनोटेटर्स विस्तृत और परियोजना-प्रासंगिक जानकारी प्रदान कर सकें।

इस अतिरिक्त टूलिंग को स्थानीय रूप से कॉन्फ़िगर किया जा सकता है। एक्सटेंशन में आसान इंस्टॉलेशन और कॉन्फ़िगरेबल कीबोर्ड शॉर्टकट भी शामिल हैं, साथ ही रंग-कोडित यूआई तत्व भी हैं।

यह काम हाल के वर्षों में वेब-प्राप्त या सार्वजनिक सामने वाले डेटा के लिए इमेज एनोटेशन की सुविधा में सुधार करने के कई प्रयासों पर आधारित है। फोटोस्टफ टूल, जो डार्पा द्वारा समर्थित है, एक समर्पित वेब पोर्टल के माध्यम से ऑनलाइन एनोटेशन प्रदान करता है, और इसे सेमेंटिक वेब या एक स्टैंडअलोन एप्लिकेशन के रूप में चलाया जा सकता है; 2004 में यूसी बर्कले ने फोटो एनोटेशन ऑन ए कैमरा फोन प्रस्तावित किया, जो मेटाडेटा पर भारी रूप से निर्भर करता था, नेटवर्क कवरेज और उस युग के दृश्य सीमाओं के कारण; एमआईटी के 2005 लेबलमी परियोजना ने भी ब्राउज़र-आधारित एनोटेशन की ओर रुख किया, जिसमें मैटलैब टूल्स पर निर्भरता थी;

2015 में इसकी रिलीज़ के बाद से, फॉस्स पाइथन/क्यूटी फ्रेमवर्क लेबलइमग ने क्राउडसोर्स्ड एनोटेशन प्रयासों में लोकप्रियता हासिल की है, जिसमें एक समर्पित स्थानीय स्थापना है। हालांकि, ब्रिमा शोधकर्ता यह देखते हैं कि लेबलइमग पास्कलवोक और योलो मानकों पर केंद्रित है, एमएस सीओसीओ जेएसओएन प्रारूप का समर्थन नहीं करता है, और बहुपदीय आउटलाइनिंग टूल्स के पक्ष में सरल आयताकार कैप्चर क्षेत्रों को त्यागता है (जो बाद के खंड की आवश्यकता होगी)।